接触信頼性を考慮したニューラル残差カルマンフィルタリングによる脚式ロボットの状態推定
Contact-Reliability-Aware Neural Residual Kalman Filtering for Legged Robot State Estimation
脚式ロボットの状態推定において、足裏の接触計測がない場合、歩容位相だけでは足と地面の運動学的制約の瞬間的な妥当性を示せず、状態伝播や運動学的擬似測定の残差誤差が推定値をさらに偏らせる可能性がある。本研究では、物理ベースの状態空間モデルとカルマン再帰を維持しつつ、接触信頼性を考慮したニューラル残差カルマンフィルタリングフレームワークを開発した。マルチタスク時間推定器が、プロプリオセプション(自己受容感覚)の履歴シーケンスから、動的残差、観測残差と共に、歩容位相制約下の連続的な接触信頼性を推論する。推定された信頼性は、接触に関連するプロセスと測定の共分散を調整し、足と地面の運動学的制約に割り当てられる信頼度を調整する。動的残差はベース速度予測誤差を補償し、観測残差は測定イノベーションを通じて足の運動学的擬似測定の予測可能な誤差を修正する。シミュレーション結果は、複数の動作コマンドにおいて、バイナリ接触カルマンフィルタよりも低いベース状態と足位置誤差を示した。物理的な歩行および旋回実験では、指定された onboard 更新期間内で、水平ベース軌道推定の改善と終端ドリフトの低減が示された。
- 接触信頼性を考慮したニューラル残差カルマンフィルタリングフレームワークを開発し、物理ベースの状態空間モデルとカルマン再帰を維持したまま学習成分で残差を補正する構成を提案。
- マルチタスク時間推定器がプロプリオセプション履歴から動的残差・観測残差とともに歩容位相制約下の連続的な接触信頼性を推論し、接触関連のプロセス/測定共分散を調整する。
- シミュレーションで複数の動作コマンドにおいて、バイナリ接触カルマンフィルタより低いベース状態誤差と足位置誤差を達成。
- 物理的な歩行・旋回実験で、指定されたオンボード更新期間内に水平ベース軌道推定の改善と終端ドリフトの低減を確認。
脚式ロボット(ヒューマノイド・四足歩行)の商用化では、接触計測が欠ける実環境での状態推定精度が歩行安定性と安全性を左右する。本研究は物理モデル+カルマンフィルタに学習ベースの残差・信頼度推定を組み合わせ、シミュレーションと実機(歩行・旋回)でベース軌道推定の改善と終端ドリフト低減を示しており、追加センサに頼らずソフトウェア更新だけで航法性能を引き上げられる点が実装コスト面で有利。ヒューマノイド/脚式ロボットの自律性向上は、ロボット企業の製品差別化要因になり得るため、この種の推定アルゴリズムの実機検証進捗は注視したい。